[发明专利]编码方法、解码方法和编码装置、解码装置在审

专利信息
申请号: 202080078054.3 申请日: 2020-12-04
公开(公告)号: CN114731406A 公开(公告)日: 2022-07-08
发明(设计)人: 周焰;郑萧桢 申请(专利权)人: 深圳市大疆创新科技有限公司
主分类号: H04N19/124 分类号: H04N19/124;H04N19/52;H04N19/70;H04N19/91
代理公司: 北京博思佳知识产权代理有限公司 11415 代理人: 王茹
地址: 518057 广东省深圳市南山区高*** 国省代码: 广东;44
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 编码 方法 解码 装置
【说明书】:

本申请提供一种编码方法、解码方法和编码装置、解码装置,包括:利用基于神经网络的编码技术对待编码图像进行编码,以获得所述待编码图像的码流;通过第一通信链路传输所述待编码图像的码流;通过第二通信链路传输所述基于神经网络的编码技术所包含的神经网络模型的模型参数。本申请提供的方案,可以很好地解决神经网络模型的模型参数的管理和传输问题;而且缓解了码流的比特消耗;此外,还可以降低由于有模型参数的管理和传输需求对低时延传输的挑战。

版权申明

专利文件披露的内容包含受版权保护的材料。该版权为版权所有人所有。版权所有人不反对任何人复制专利与商标局的官方记录和档案中所存在的该专利文件或者该专利披露。

技术领域

本申请涉及图像处理领域,并且更为具体地,涉及一种编码方法、解码方法和编码装置、解码装置。

背景技术

目前,基于神经网络的编解码技术的研究逐渐引起关注,对于基于神经网络模型的模型参数的管理和传输,一种方式是将神经网络模型的模型参数固定,并将其作为编码器和解码器都可得的一个公共库文件,但是这种方式一旦编码器的某些编码工具发生变化,其效果会降低。

另一种方式是将神经网络模型的模型参数通过码流传送到解码端,这样可以根据编码器的需求对模型参数进行灵活的调整,但是对于层度教深的深度学习神经网络模型来说参数量一般比较大,如果直接放到码流中进行传输增加了比特消耗,降低了视频压缩率。此外,基于神经网络的编码技术进行的编码由于有模型参数的管理和传输需求对图传场景的低延时传输带来了更大的挑战。

发明内容

本申请提供一种编码方法、解码方法和编码装置、解码装置,可以很好地解决神经网络模型的模型参数的管理和传输问题;而且缓解了码流的比特消耗;此外,还可以降低由于有模型参数的管理和传输需求对低时延传输的挑战。

第一方面,提供一种编码方法,包括:利用基于神经网络的编码技术对待编码图像进行编码,以获得所述待编码图像的码流;通过第一通信链路传输所述待编码图像的码流;通过第二通信链路传输所述基于神经网络的编码技术所包含的神经网络模型的模型参数。

第二方面,提供一种解码方法,包括:通过第一通信链路接收待解码图像的码流;通过第二通信链路接收神经网络模型的模型参数;利用所述神经网络模型的模型参数对所述码流进行解码,获得解码后的图像。

第三方面,提供一种编码装置,包括:处理器,用于利用基于神经网络的编码技术对待编码图像进行编码,以获得所述待编码图像的码流;通过第一通信链路传输所述待编码图像的码流;通过第二通信链路传输所述基于神经网络的编码技术所包含的神经网络模型的模型参数。

第四方面,提供一种解码装置,包括用于通过第一通信链路接收待解码图像的码流;通过第二通信链路接收神经网络模型的模型参数;利用所述神经网络模型的模型参数对所述码流进行解码,获得解码后的图像。

第五方面,提供了一种编码装置,包括处理器和存储器。该存储器用于存储计算机程序,该处理器用于调用并运行该存储器中存储的计算机程序,执行上述第一方面或其各实现方式中的方法。

第六方面,提供一种解码装置,包括处理器和存储器。该存储器用于存储计算机程序,该处理器用于调用并运行该存储器中存储的计算机程序,执行上述第二方面或其各实现方式中的方法。

第七方面,提供一种芯片,用于实现上述第一方面或其各实现方式中的方法。

具体地,该芯片包括:处理器,用于从存储器中调用并运行计算机程序,使得安装有该芯片的设备执行如上述第一方面或其各实现方式中的方法。

第八方面,提供一种芯片,用于实现上述第二方面或其各实现方式中的方法。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于深圳市大疆创新科技有限公司,未经深圳市大疆创新科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202080078054.3/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top